祝贺实验室团队硕士生涂远鹏一篇论文” Learning from Noisy Labels with Decoupled Meta Label Purifier” 被CVPR 2023录用。由于表征更易受噪声影响而现有基于元学习的算法依赖于表征，因而我们提出了一种将现有的复杂的双层耦合的元学习过程分解为表征学习与非嵌套的元标签纠正过程的解耦多阶段带噪学习算法，其中骨干网络以自监督方式进行预训练固定从而缓解噪声标签的影响，而标签优化过程则以最小二乘法的形式通过缩小验证集样本与训练集样本集合解的差异进行直接更新，其具体结构如下所示：
作为一种即插即用的算法，本方法可以与现有的算法结合，大幅提升其性能，同时相比于目前最新的方法，本方法可以在人造以及real-world噪声数据上均取得最优的效果：
